MAZ题writeup

最新推荐文章于 2024-04-27 10:09:55 发布
最新推荐文章于 2024-04-27 10:09:55 发布
阅读量267 收藏
点赞数
分类专栏： writeup
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44075052/article/details/88602871
版权

一、题目备份

maz 提取码:9v16

二、题目探索

下载下来后发现是exe文件，可以直接打开，于是打开后如下
在这里插入图片描述

信息不多，于是把它放入32IDA后可以看到
在这里插入图片描述
好奇的我看到了surprise的对比，IDA显示surprise也是一个字符型数组（char[ ]），于是我便去试了一下
在这里插入图片描述
结果却让我大吃一惊 = =


认真揣摩代码，发现在这里有一个setmap函数
在这里插入图片描述
在这里插入图片描述既然是走迷宫，这里应该是类似布置迷宫地图的函数，而且0x20F转化为十进制是527，也就是memcpy刚好只拷贝到gwht前面的字符到map里面，我们继续往下看，能找到一个循环，仔细一看会发现它其实类似于一种认证环节

在这里插入图片描述
v5是我们输入的数据，输入下来会进到一个check函数，出来后的数值相当于踩到map上，进行一次IF检测。鼠标轻碰IF里面的49显示其实是一个char数值 对应的是 ‘1’ 意思是踩到的不能是地图上的 ‘1’ 也不能超过这个地图范围内，否则就byebye，而只有当出来的值等于End的时候就会出现Congratulation的提示，而End的值我们也可以点进去查看
在这里插入图片描述
121十六进制转化为十进制就是289
我们进去check函数里看一下，发现操纵的其实是一个start的值
start的值点进去也是有初始值的
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
52十六进制转化为十进制就是82，start开始就是82
在这里插入图片描述在这里插入图片描述
然而在check函数里面还有一个change函数，再进去后发现是把输入的数值，进行一次异或
在这里插入图片描述
到这里我们整理一下这道题的思绪，差不多可以得出这样的思维导图
在这里插入图片描述

三、解决思路

我想先找到地图上有哪些位置是可以踩的，于是写了一个代码稍微还原了一些地图
在这里插入图片描述
在这里可以看到在82上有个s(start)，在289上有个e(end)，其实寓意着一个是迷宫的出发点，一个是迷宫的结束点，只要我们能使start数最后以289出来就行

然后继续探究操作start的check函数，把后面的条件里的数按R转换为char型
将他条件里的数值按照他的异或反着算回去

在这里插入图片描述
在这里插入图片描述
可以得到输入 g–将start减31，w–将start加31，h–将start减1，t–将start加1
顺着地图和操作数把这个迷宫慢慢走完= =
在这里插入图片描述
当然看一步走一步是非常难受的，而且很容易看错，所以答案并不是我一次过的，我甚至还打了个代码让我自己核对着地图看看我走的对不对
在这里插入图片描述
最后终于得到答案
在这里插入图片描述

黑白佩
关注
专栏目录
试题D: 迷宫
A_BIG_DREAMER的博客
04-12 150
【问题描述】 下图给出了一个迷宫的平面图，其中标记为1 的为障碍，标记为0 的为可以通行的地方。 010000 000100 001001 110000 迷宫的入口为左上角，出口为右下角，在迷宫中，只能从一个位置走到这个它的上、下、左、右四个方向之一。对于上面的迷宫，从入口开始，可以按DRRURRDDDR 的顺序通过迷宫，一共10 步。其中D、U、L、R 分别表示向下、向上、向左、向右走。 对于下面这个更复杂的迷宫（30 行50 列），请找出一种通过迷宫的方式，其使用的步数最少，在步数最少的前提下，请找出字
maz-ui：独立组件库，用于使用Vue.JS和Nuxt.JS构建接口
02-03
npm install maz-ui # Or yarn add maz-ui 按需安装 为了优化捆绑包的大小，建议使用 import Vue from 'vue' import { ... MazBtn MazInput MazPicker MazPhoneNumberInput ... } from 'maz-ui' ... Vue . use...
尼玛，天凉好个秋。
当命运之神把人抛入谷底的时候，也是人生腾飞的最佳时节。这个时候谁能积累能量，谁就能在未来获得丰收的回报；谁若自愿自艾，必定坐失良机，等在前面的将是两手空空和后悔莫及。
06-26 145
曾经沧海难为水， 除却巫山不是云。 不见五陵豪杰墓， 无花无酒锄作田。 尼玛，天凉好个秋。
2019西湖论剑网络安全技能大赛（大学生组）--奇怪的TTL字段（补充）
weixin_30823833的博客
04-10 883
鉴于有人不会将得到的16进制数据在winhex中转成图片，我在这里写一个详细的步骤。 首先就是将六张图片的十六进制数据找出并提取出来。 打开winhex，新建一个文档。 大小可以选1bytes 将数据Ctrl+V，并选最下面的ASCII转Hex 复制进去以后前面会有两个00，这时我们之前新建的时候的期数数...
项目介绍：Maz-UI
gitblog_00089的博客
04-27 329
项目介绍：Maz-UI 项目地址:https://gitcode.com/LouisMazel/maz-ui Maz-UI 是一款基于 Vue.js 的 UI 组件库，它提供了丰富的 UI 组件和样式，可以帮助开发者快速构建漂亮、易用的 Web 应用。 技术分析 Maz-UI 基于 Vue.js 开发，使用了 Vue.js 的组件化开发思想，将 UI 组件封装成独立的组件，方便开发者使用和扩展。同...
1-12 习题
小飞将的博客
07-27 163
#include <stdio.h> int main(int argc, char **argv) { char c; while ((c = getchar()) != EOF) { if (c == ' ') { putchar('\n'); } else { putchar(c); } } }
迷宫题模板训练
AAliuxiaolei的博客
05-22 743
这几天做了些迷宫题，感觉都是一个套路，题目不难但是细节需要注意，可以小小总结一下 问题 A: 扫雷布盘 题目描述 相信大家一定玩过扫雷游戏。可是扫雷游戏怎么做的呢？ 小QQ是个聪明好学的好孩子，他决定编一个扫雷小游戏。 他第一步要做的就是布置雷盘，在一个n*n的棋盘上埋下若干个雷点，埋下地雷的位置用数字‘9’表示，没有地雷的位置用数字0表示。 但是刚埋完雷，小QQ的好朋友小RED来了，他就和小RED玩去了。小QQ在临走前交代你把地雷布盘的任务完成。 你只要把地雷周围的‘0’修改成该位置附近的地雷个数就行啦
遇到oracle错误6550。MAZ,java – ORA-12705和ORA-00604生产错误
weixin_34717961的博客
04-16 388
我们有以下ORA错误,它以不同的语言打印错误消息.这很少发生,我们将不得不重启我们的应用服务器.在我的分析中,我可以想出,在连接到数据库时,JDBC通过获取用户的语言环境在内部改变会话ALTER SESSION SET TIME_ZONE='America/Los_Angeles' NLS_LANGUAGE='LATIN AMERICAN SPANISH' NLS_TERRITORY='LAOS'...
maz.rar_maz _最短路径 c_迷宫_迷宫 C++
09-20
这个项目名为"maz.rar_maz _最短路径 c_迷宫_迷宫 C++"，包含了相关的源代码和文档。 首先，迷宫问题通常可以被视为图论中的一个问题，我们可以将迷宫的每个可通行位置视为图的一个节点，而节点之间的通道则为边。...
mobaxterm20_maz.zip
06-14
**MobaXterm：全能运维神器** MobaXterm 是一款强大的远程终端工具，尤其适合IT运维人员使用。它集成了众多实用功能，包括SSH、SFTP、RDP、VNC、X11、telnet等多种协议的支持，使得在多台服务器间进行管理变得异常...
论文研究 - 具有Hardy-Sobolev临界指数，Hardy-Sobolev-Maz'ya势和符号改变权重的椭圆方程的多重解
05-16
本文研究的是具有Hardy-Sobolev临界指数、Hardy-Sobolev-Maz'ya势和符号改变权重的椭圆方程多重解的问题。在数学领域，特别是在偏微分方程和非线性分析领域，研究此类方程的解具有重要意义。接下来，本文将详细阐述...
campus-advisor-training-Maz2014:GitHub Classroom创建的campus-advisor-training-Maz2014
03-29
欢迎参加校园顾问培训 欢迎参加校园顾问培训。 将为您提供视频课程，并要求您完成每节视频课程的作业。 所有视频和作业都可以在此存储库中找到。 欢迎您浏览该存储库，也可以仅单击本自述文件底部的链接，以帮助您...
遇到oracle错误6550。MAZ,读书心得—《深入解析Oracle》（一）
weixin_42388898的博客
04-16 348
他很喜欢从多个版本说问题，从技术演进角度来学比较有效，但他喜欢在老版本上重演bug来分析，这比较扯蛋，就像在win2000上分析windows漏洞一样，感觉像在自娱自乐。不知道他从什么资料上学的到的这么细致。外文资料吗，如果是，应该有引进。oracle有意隐藏这些内部的实现过程，所以市面上见不到这样的书。作者自己捉摸出来的吗，一些东西其他书上完全没有涉及到过，用了很多奇妙的方法去窥探数据库的内部，...
LeetCode算法题-Ransom Note（Java实现）
小川的博客
12-25 195
这是悦乐书的第212次更新，第225篇原创 01 看题和准备 今天介绍的是LeetCode算法题中Easy级别的第80题（顺位题号是383）。给定一个任意赎金票据字符串和另一个包含所有杂志字母的字符串，如果赎金票据可以从杂志中构建，则写一个函数将返回true;否则，它将返回false。杂志字符串中的每个字母只能在赎金票据中使用一次。例如： canConstruct（“a”，“b”） - &gt;...
基于yolov3结合卡尔曼滤波匈牙利算法虚拟线圈的车流量检测python源码+项目说明.zip
09-21
本项目专注于视频基的车辆跟踪与流量统计，依托深度学习技术，实时追踪路面车辆动态并精准统计各车道车流量。该项目通过以下核心步骤高效处理输入视频数据： 高精度目标检测：采用YOLOv3模型，凭借其卓越的实时性与准确性，快速识别视频中的车辆目标，为后续追踪奠定坚实基础。 稳定目标追踪：集成SORT（Simple Online and Realtime Tracking）算法，结合卡尔曼滤波器预测车辆未来位置，同时运用匈牙利算法优化目标间的匹配，实现连续、稳定的车辆追踪，有效应对遮挡、交叉等复杂场景。 智能车流量统计：借鉴虚拟线圈概念，巧妙设计算法以监测穿越预设区域的车辆，自动计数并准确统计各车道车流量，为交通管理与分析提供可靠数据支持。 整体而言，本项目通过融合先进的目标检测与追踪技术，结合创新的流量统计方法，构建了一个高效、精准的实时车辆跟踪与流量统计系统，为智慧交通领域的发展贡献力量。
本科毕业设计--基于深度学习的人脸面部表情识别.zip
最新发布
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
maz=“20” data=maz*3
03-31
As an AI language model, I understand that the given code is a Python code that assigns a string value "20" to the variable 'maz' and then multiplies it by 3, assigning the result to the variable '...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值